sku库存：采购人员一页讲清：补货计划与提升库存准确率的关系

我见过最容易失控的一类补货计划，是采购表格里的库存数字看起来非常完整：当前库存、在途库存、近三个月销量、供应商交期、建议采购量一项不少，但采购员到仓库一核对，系统显示有 120 件，货架上只有 86 件，其中 20 件还处于待检状态，另外 14 件已经被销售预留。补货计划真正依赖的不是“系统里有多少库存”，而是“在需要的时间，究竟有多少库存可以被承诺、被拣选、被发出”。

因此，提升库存准确率不是仓库部门的独立任务，也不是盘点人员为了报表好看而做的修正。它直接决定采购是否会提前下单、是否会重复下单、是否会把现金压在慢销 SKU 上。本文从采购决策的角度，把 SKU 库存准确率、可用库存、补货点、采购批量和供应商交期放到同一张逻辑图里，并给出一套我在实际库存治理中更愿意采用的判断方法。

一、先讲核心结论：补货计划的上限由库存准确率决定

1. 补货公式没有错，错在输入数字不可信

常见的补货公式是：建议采购量=预测需求+安全库存-可用库存-已下单未到货数量。这个公式本身并不复杂，真正难的是每一个变量都可能带着业务含义不同的“库存”数字。

例如，账面库存是 120 件，待检库存 20 件，销售订单已占用 14 件，损耗待处理 6 件，真正可以用于下一批订单的库存可能只有 80 件。如果采购员把 120 件全部当作可用库存，系统会少算 40 件的补货需求；如果采购员完全忽略在途库存，又可能在货物已经出发后重复下单。

我在做 SKU 补货复盘时，通常不会先问“建议采购量是多少”，而是先问四个问题：

• 这件商品现在是否真实存在于指定库位？
• 它是否已经通过质检并允许销售或生产领用？
• 它是否已被订单、工单或调拨任务占用？
• 它能否在补货周期内转化成客户可获得的库存？

只有四个问题都能回答清楚，库存数字才有资格进入补货模型。库存准确率高，不是系统数字与盘点数字偶尔相等，而是库存状态、数量、位置、可用性和归属都能被解释。

2. 采购最应该关注的是“可承诺库存”

采购计划不应只使用“期末库存”或“系统库存”，而应使用可承诺库存。一个更贴近实际的计算方式是：

可承诺库存=合格库存-已分配库存-冻结库存-已确认损耗+可在需求窗口内到达的有效在途库存。

这里的“有效在途库存”有一个限定：供应商已经发货、物流节点可追踪、预计到货时间不晚于需求窗口，并且该批货没有质量或规格争议。只有满足这些条件，在途量才可以进入补货决策。

如果某 SKU 的采购交期为 20 天，而当前可承诺库存只能覆盖 12 天需求，那么即使账面上还有一批“在途库存”，也不能简单认为没有缺口。采购需要比较的是到货时间与库存耗尽时间，而不是比较两个静态数字。

3. 库存准确率应分成四个层级管理

我不建议把所有 SKU 都用一个总库存准确率管理。至少要拆成数量准确率、位置准确率、状态准确率和时间准确率四个层级。

采购部门最容易忽略的是时间准确率。数量没错，但两天前已经收货的商品还停留在“在途”；或者货物已经到仓，却因为质检单未关闭而没有进入可用库存。这些都属于库存信息延迟，最终会让采购在错误的时间点作出正确或错误的判断。

二、真实场景：为什么同一件 SKU 会出现四个库存数字

1. 销售订单、采购订单和仓库库存各说一套

在一家同时经营线上零售和线下批发的企业中，我曾经看到一个高周转包装耗材 SKU 出现四组数字：销售系统显示 1,260 件，仓库台账显示 1,180 件，采购在途表显示 600 件，财务月结表显示 1,140 件。每个数字都有来源，但没有一个数字能直接回答“今天还能卖多少、下周要采购多少”。

后来逐笔拆分发现，80 件是刚完成收货但还没有完成质检的库存，40 件是仓库已经拣出但销售订单尚未发货的库存，20 件是退货待判定库存，另外 60 件来自不同包装规格之间的换算差异。真正可以自由分配的库存只有 1,040 件。

如果采购只看销售系统中的 1,260 件，就会认为库存足够；如果只看仓库台账中的 1,180 件，又会忽视已经被订单占用的数量。最终的补货判断必须先完成库存状态对齐，再进入需求计算。

2. “在途”不是一个数字，而是一组事件

采购计划中的在途库存经常被高估，因为表格只记录了采购订单数量，却没有记录订单所处的实际节点。下单、供应商确认、完成生产、装车、出港、到达中转仓、到达本地仓、完成收货，这些状态对应的确定性完全不同。

对于交期波动较大的 SKU，我会把在途库存分成三层：

• 高确定性在途：已经收货或已到仓待上架，通常可以纳入短期可用库存。
• 中确定性在途：已经发货且有物流节点，但到货时间存在 1 至 3 天波动，只能部分计入补货模型。
• 低确定性在途：只有采购订单，没有发货证明或供应商交期反复变化，不应抵扣近期补货需求。

这套分层看似保守，但能避免一个非常典型的错误：采购员为了让库存覆盖率看起来更高，把所有已下单数量都视为即将到货，结果真正缺货时才发现供应商还没有排产。

3. 盘点差异往往不是仓库单点问题

盘点差异的根因通常跨越采购、仓储、销售、财务和生产多个环节。采购订单数量写错单位，仓库收货按箱登记、销售按件出库，系统却没有统一换算关系，最终看起来像仓库少货，实际是基础资料错误。

另一个常见问题是跨库调拨。调出仓已经扣减，调入仓还没有收货确认，集团库存看起来少了一批货；如果采购只看总库存而不看仓间状态，就可能重复下单。对低价值、高频次 SKU 来说，这种错误尤其难被及时发现，因为单笔差异金额不大，却会持续发生。

4. 真实问题不是数字多，而是口径没有负责人

同一个 SKU 的数量由多个部门维护，却没有定义谁负责最终口径，是库存准确率长期偏低的根本原因之一。仓库负责实物数量，销售负责订单占用，采购负责在途状态，质量部门负责冻结和放行，财务负责账面金额。若没有统一的库存状态表，每个部门都可能认为自己提供的是正确数据。

我更建议企业明确“业务责任口径”，而不是让一个部门承担所有准确率责任。例如，数量差异由仓储闭环，订单占用由销售运营闭环，在途状态由采购闭环，质检状态由质量部门闭环。系统最终汇总，但责任不能由系统替代。

三、常见误区：看似提高效率，实际上放大补货风险

1. 误区一：库存准确率只看盘点差异率

很多企业用“盘点差异金额÷账面库存金额”作为唯一指标。这种指标可以反映财务风险，却不能完整反映补货风险。一个高价值、低频次 SKU 差 1 件，金额影响很大；一个低价值、高频次 SKU 每天少记 5 件，金额影响可能很小，但它更容易造成客户缺货。

采购需要同时看数量准确率、缺货命中率、可用库存准确率和库存状态及时率。尤其是 A 类 SKU，不能因为金额差异不大就降低管理强度。

2. 误区二：所有 SKU 都采用同一安全库存比例

把安全库存统一设为月均销量的 20% 或 30%，操作简单，却很少真正适用。高波动、高毛利、供应商交期长的 SKU，需要更高的服务水平；低价值、需求稳定、供应商可以快速补货的 SKU，过高的安全库存只会增加仓储和资金成本。

安全库存至少要考虑需求波动、交期波动、服务水平和库存准确率。库存记录越不可靠，理论上需要的缓冲越大，但这不是鼓励企业无限增加库存，而是提醒采购：当库存准确率低到需要靠安全库存掩盖时，继续加库存往往比修复数据更昂贵。

3. 误区三：只按照销量排名管理补货

销量高不等于补货优先级最高。采购还要考虑缺货损失、替代性、交期、最小起订量、保质期和库存差异。一个销量一般但无法替代的关键零件，可能比销量高但可快速替代的标准耗材更值得优先核对。

我通常会把 SKU 按“需求影响”和“数据风险”交叉分类：

• 高需求、高数据风险：先盘点、再补货，必要时安排人工复核。
• 高需求、低数据风险：使用自动补货，但保留异常阈值。
• 低需求、高数据风险：减少频繁采购，先清理库存状态和基础资料。
• 低需求、低数据风险：按固定周期复核，不必投入过多人工。

4. 误区四：把盘点调整当成库存治理的终点

盘点发现系统少 30 件，直接做一张库存调整单，确实能让账面数字暂时和实物一致，但这只修复了结果，没有修复原因。如果第二天仍然有未完成收货、跨库调拨、退货重入库和拆零出库，差异很快会再次出现。

高质量的盘点闭环应该至少记录差异原因、责任环节、影响 SKU、是否需要修订流程以及复核时间。对于连续三次出现同类差异的 SKU，不能继续依赖人工调整，而应该把它列入流程整改清单。

四、专业判断逻辑：采购如何把准确率放进补货模型

1. 先定义库存状态，再定义库存数量

库存状态是补货模型的边界。建议至少区分可用、待检、冻结、已分配、退货待判定、报损、调拨中和在途。不同状态不能共用一个“库存数量”字段，否则采购无法知道数字能否抵扣需求。

在日常工作中，我更倾向于使用状态转换记录，而不是让人员直接覆盖原来的库存状态。例如，“待检 50 件”转换为“合格 45 件、报损 5 件”，比直接把待检数量改成 45 件更容易追溯，也能解释差异从何而来。

对于采购而言，最重要的不是状态数量越多越好，而是每一种状态都有明确的进入条件、退出条件和责任人。没有退出条件的“待检”和“调拨中”，本质上都是隐藏库存。

2. 用库存覆盖天数取代单纯库存数量

库存数量脱离需求速度没有意义。100 件对于日均需求 2 件的 SKU，可能覆盖 50 天；对于日均需求 20 件的 SKU，只能覆盖 5 天。采购应该把库存转换成覆盖天数，再结合交期判断风险。

常用计算方式是：

库存覆盖天数=可承诺库存÷未来一段时间的日均需求。

这里的日均需求不建议直接采用过去 30 天平均值。季节性、促销、价格变化、客户项目和新品替代都会让历史销量失真。我一般会同时看过去 30 天、过去 90 天和未来订单，若三者差异较大，就不采用单一平均值，而是由采购、销售和计划人员共同确认需求版本。

3. 用“库存耗尽日”判断补货时点

补货点不是“库存低于某个固定数量”，而是“库存预计将在供应商交期前耗尽”。因此，采购应该计算库存耗尽日，并与最晚下单日比较。

例如，某 SKU 当前可承诺库存为 420 件，未来 14 天日均需求为 35 件，预计 12 天后耗尽；供应商正常交期为 10 天，采购审批和运输还需要 4 天，那么即使库存数量看起来不低，也已经进入风险区。

库存准确率越低，库存耗尽日越不可靠。假设可承诺库存存在 10%的偏差，420 件可能真实只有 378 件，库存耗尽时间会提前约 1.2 天。对于交期本来就紧张的 SKU，这一天可能决定是否发生缺货。

4. 把准确率转化为采购决策置信度

我建议为补货建议增加一个“决策置信度”字段，而不是让系统只输出采购数量。置信度可以由库存准确率、需求稳定性、在途确定性和供应商交期稳定性组成。

一种可操作的示意评分方式是：

• 库存数据可信度，占 35%；
• 需求预测稳定性，占 25%；
• 在途到货确定性，占 20%；
• 供应商交期稳定性，占 20%。

评分高于 85 分的 SKU，可以按系统建议直接进入采购审批；评分在 65 至 85 分之间，需要采购员查看异常原因；低于 65 分的 SKU，不适合自动放量采购，应先完成库存或需求核实。

这个评分不是为了制造一个看起来精确的数字，而是为了把“我觉得这个建议不太可靠”变成可以讨论、可以复核的业务信号。

5. 对库存准确率低的 SKU 设置“采购保护阀”

库存准确率较低时，系统建议采购量应当设置保护阀，而不是照单全收。常见保护阀包括采购量上限、二次确认、临时盘点、供应商拆单和小批量试采。

例如，某 SKU 最近三次盘点差异率超过 12%，系统建议一次采购 2,000 件，但历史上该 SKU 的单次真实消耗只有 300 至 500 件。此时我不会简单把建议量改成 500 件，而会先确认：是账面库存虚高，还是需求突然增长？是库存位置找不到，还是销售订单没有释放？不同原因对应的动作完全不同。

保护阀的价值在于，允许企业在数据不完美时继续运转，但不会让错误数据直接放大成大额采购。

五、案例与数据观察：同样的补货规则，准确率不同会得到完全不同的结果

1. 案例一：快消 SKU 的重复采购

某快消品企业有一个月均销量 3,000 件的常规 SKU，供应商交期 12 天，采购每周运行一次补货表。系统显示期初库存 1,800 件，在途 1,200 件，安全库存 1,000 件，按计算结果暂不需要采购。

但仓库抽盘发现，系统库存中有 180 件已过期，90 件处于破损待处理状态，120 件被一批取消订单占用却没有释放，另有 150 件实际存放在退货区，尚未完成质量判定。可承诺库存比系统口径少了 540 件。

按照日均需求 100 件计算，540 件相当于 5.4 天的覆盖量。由于供应商交期和内部审批合计需要 15 天，企业本应在上一周启动补货，却因为“库存够用”的错误判断延迟了采购。结果不是立刻缺货，而是在促销开始后出现断货，临时采购价格比常规价格高出约 8%，并增加了加急运输费用。

这个案例的关键不是盘点发现少了 540 件，而是企业没有把过期、破损、占用和退货库存从可承诺库存中剥离出来。只要状态口径没有修复，下一次促销仍然会重复出现同样问题。

2. 案例二：工业零件的过度补货

另一个案例是工业设备零件。该 SKU 月均需求只有 40 件，供应商最小起订量为 200 件，采购员为了防止停线，长期维持 500 件左右的账面库存。系统连续几个月提示库存充足，但仓库实际盘点只有 360 件，且其中 110 件被错误放在相似规格的库位。

因为库存位置和规格识别不准确，生产计划人员无法快速找到可用零件，采购又把“找不到”理解成“库存不足”，再次下单 200 件。结果仓库出现两种现象：账面库存接近 700 件，生产现场仍然临时申领；真正的问题不是数量不足，而是库位、标签和规格主数据没有形成闭环。

在这类低频、高价值或不可替代零件上，补货前的库位确认价值往往高于单纯的销量预测。采购需要把“找不到库存”和“没有库存”作为两个不同的异常类型处理。

3. 案例三：在途库存造成的两次下单

某电商企业从海外供应商采购一款季节性商品，正常海运周期约 35 天。采购订单已经下达 10,000 件，供应商提供了装柜通知，但物流追踪连续 12 天没有更新。由于系统仍然显示这 10,000 件为“在途”，补货表没有触发新的采购。

实际到货时间又延迟了 18 天，刚好错过销售高峰。复盘时发现，企业把“已下单”与“已确认到货”放在同一字段，没有为物流停滞设置超时规则。后来改成按物流节点和预计到货日期分层，超过预计到货日期 5 天仍无更新的在途库存，只能按低确定性在途处理，不再完全抵扣补货需求。

4. 数据观察：准确率提升不一定立刻降低库存金额

库存治理初期，很多企业会发现一个反常结果：库存准确率提升了，库存金额反而短期上升。这通常不是治理失败，而是以前被遗漏、错放或未入账的库存被重新识别，系统账面更接近真实状态。

真正应观察的是后续 8 至 12 周的趋势，包括缺货率、重复采购率、临时加急采购金额、呆滞库存金额、盘点调整次数和库存周转率。准确率提升的价值不一定体现为库存立即减少，而是让采购不再依赖过度安全库存和临时补单来弥补不确定性。

六、不同情况下的行动建议：不要用一套补货方法管理所有 SKU

1. 高周转、需求稳定的 SKU

这类 SKU 适合建立周期补货或自动补货规则，但前提是库存准确率达到可接受水平。建议按周进行循环盘点，对收货、拣选、退货和调拨设置当日更新要求。

行动重点包括：

1. 以未来 14 至 30 天需求建立滚动预测。
2. 将可用、已分配、冻结和在途库存分开计算。
3. 设置库存覆盖天数和库存耗尽日双重预警。
4. 对盘点差异超过 3%的 SKU 暂停自动放量采购。
5. 优先与供应商确认交期稳定性，而不是只谈采购单价。

这类 SKU 的主要取舍是效率与精细度。过度人工审核会降低补货速度，但完全自动化又会放大异常。因此，最合适的方式通常是正常数据自动执行，异常数据人工介入。

2. 高价值、低频次的 SKU

高价值低频次 SKU 不适合仅按历史销量补货。它们更适合采用订单驱动、项目驱动或关键备件策略。采购前应确认实际需求来源、客户订单、设备运行计划和替代规格。

库存准确率管理上，应优先保证序列号、批次、库位和状态准确，而不只是数量准确。对一件价值较高的零件而言，库存放错库位或规格错配，带来的风险可能高于少一件库存。

此类 SKU 的取舍是服务水平和资金占用之间的平衡。为了避免停线而储备全部规格，会造成明显资金沉淀；但完全依赖临时采购，又可能承受极高的停机损失。建议按照“不可替代程度×停机损失×供应周期”确定库存策略。

3. 季节性、促销型或需求波动大的 SKU

季节性 SKU 的历史平均销量很容易误导采购。去年同期销量高，不代表今年一定高；促销活动的曝光、价格、渠道和竞争环境都会改变需求。库存准确率在这类 SKU 上尤其重要，因为销售高峰期没有足够时间处理库存差异。

建议在销售高峰前完成一次专项盘点，重点核对可用库存、退货库存、礼盒或组合装拆分关系、促销锁定库存和供应商在途状态。促销期间每天更新销量和库存耗尽日，避免继续使用月度平均需求。

此类 SKU 的取舍是缺货损失和季后清仓损失。采购不能只用一个安全库存数字解决问题，应当把补货拆成首批备货、滚动补货和临近峰值的风险补单三部分。

4. 库存准确率长期低于 90%的 SKU

当某 SKU 连续多个周期准确率低于 90%，我不建议继续优化补货公式。此时应先停止自动放量，做一次端到端排查：采购单位是否统一、条码是否唯一、包装换算是否正确、库位是否清晰、收货是否及时、退货是否隔离、销售占用是否释放。

在整改期间，可以采用“实盘数量+人工确认需求+小批量采购”的临时策略。它的成本是效率降低、采购频次增加，但能够限制错误数据造成的大额库存风险。等连续两到三个周期差异稳定在可接受范围内，再逐步恢复自动规则。

5. 供应商交期极不稳定的 SKU

库存准确率高，并不代表供应风险低。如果供应商交期从 10 天波动到 25 天，采购仍按 10 天设置补货点，结果依然会缺货。此类 SKU 要把供应商交期分布纳入安全库存，而不是只使用合同中的标准交期。

建议统计至少 10 至 20 个历史订单，观察承诺交期、实际发货日期、实际到货日期和延迟天数。如果供应商只提供理论交期，却不提供节点信息，那么在途库存应采用更保守的计入比例，甚至不纳入短期可用库存。

七、库存准确率提升的落地方法：从一张表开始，而不是先上复杂系统

1. 先建立 SKU 库存事实表

如果基础口径没有统一，直接购买复杂系统也无法解决问题。我建议先做一张最小可用的 SKU 库存事实表，每一行只代表一个 SKU、一个仓库和一个时间点。

这张表的重点不是字段越多越好，而是让采购、仓库和销售看到同一套库存事实。只要字段定义一致，就可以先用表格或现有系统实现；等业务口径稳定后，再考虑自动化和系统集成。

2. 用循环盘点替代一年一次的大盘点

一年一次的大盘点容易把问题集中到某一天，却很难告诉企业差异是在什么时候产生的。循环盘点按照 SKU 重要性和风险频率，持续抽查一部分库存，更适合支持补货计划。

可以采用以下分层：

• A 类 SKU：每周盘点，覆盖高周转、高价值或高缺货损失商品。
• B 类 SKU：每两周或每月盘点，重点关注需求和差异变化。
• C 类 SKU：每月或每季度盘点，重点处理呆滞、过期和长期未动库存。
• 异常 SKU：不受周期限制，出现大额差异、连续找不到或状态超时就立即盘点。

循环盘点不是为了让仓库每天都在数货，而是把盘点资源放到最可能影响补货决策的 SKU 上。采购部门可以根据缺货记录、重复采购记录和供应商交期波动，反向调整盘点优先级。

3. 把关键业务动作设为库存更新节点

库存准确率下降，往往不是因为没人盘点，而是关键动作发生后没有及时更新。企业应明确收货、上架、质检放行、拣货、发货、退货、报损、调拨和订单取消等节点的更新时间要求。

例如，收货完成后 2 小时内必须完成到货登记；质检完成后 4 小时内必须更新合格或冻结状态；调拨发出后，调出仓扣减、调入仓建立在途记录；订单取消后，已占用库存必须在当日释放。

时间要求不必一开始就极其严格，但必须可衡量。没有更新时间要求，库存状态就会长期停留在“稍后处理”，采购看到的数字也就无法用于当天决策。

4. 每周召开一次“库存异常而不是库存总额”会议

库存会议如果只讨论库存总额、库存周转率和采购金额，很容易掩盖具体 SKU 的风险。我更建议每周固定审查异常清单，会议只回答五个问题：

1. 本周哪些 SKU 的可承诺库存发生了大幅变化？
2. 哪些在途库存超过预计到货日期仍未更新？
3. 哪些 SKU 因库存差异导致重复采购或临时加急？
4. 哪些盘点差异已经连续出现两次以上？
5. 哪些补货建议需要调整参数或暂时人工审批？

这种会议的价值在于把库存准确率直接连接到采购结果。仓库不会只为盘点而盘点，采购也不会只为下单而下单，双方共同关注的是缺货、积压和资金占用的变化。

八、不同方案的取舍：自动补货、人工复核和系统治理怎么选

1. 什么时候适合自动补货

自动补货适合需求相对稳定、库存状态清晰、供应商交期可预测、SKU 主数据统一的场景。至少要满足以下条件：

• 连续多个盘点周期的数量准确率稳定在目标范围内。
• 可用库存、已分配库存和冻结库存能够被系统区分。
• 在途订单有明确节点和预计到货日期。
• 最小起订量、包装单位和采购周期已经维护。
• 系统具备异常阈值和采购量上限。

自动补货的优势是速度快、执行一致，缺点是对错误数据没有判断力。如果基础数据不可靠，自动化只会让错误更快扩散。因此，不要把“能自动生成采购单”当作补货能力成熟的证明。

2. 什么时候必须人工复核

以下场景不适合直接自动放量：库存准确率连续下降、需求突然翻倍、供应商交期异常、在途状态长期不更新、SKU 发生替代或包装变更、促销即将开始、退货和冻结库存占比过高。

人工复核不等于重新用感觉采购。复核人员应根据异常原因做判断：如果是库位问题，就先找货；如果是状态问题，就先确认质检和订单；如果是需求问题，就确认销售或生产计划；如果是供应问题，就确认供应商节点和替代方案。

3. 什么时候值得引入库存管理系统

当 SKU 数量、仓库数量、订单量和业务协同复杂到表格无法稳定维护时，系统可以提高状态同步、权限控制、批次追踪和异常提醒能力。但系统选型前必须先写清楚业务规则，否则企业很容易把旧流程原样搬进新系统。

采购在评估系统时，建议重点演示以下场景，而不是只看首页报表：

• 一件商品同时存在可用、待检、冻结和已分配库存时，系统如何计算可承诺库存。
• 一批在途货物延迟到货时，系统如何重新计算库存覆盖天数。
• 订单取消后，库存占用如何释放，采购建议是否同步变化。
• 跨仓调拨途中，集团库存和各仓库存如何避免重复计算。
• 盘点差异发生后，系统能否保留原因、审批和修正轨迹。

如果供应商只展示库存看板，却无法演示这些异常场景，采购仍然需要依赖人工表格判断，系统投入就很难转化为补货质量。

4. 三种方案的推荐顺序

对大多数采购团队，我建议采用“先统一口径，再规则化，再自动化”的顺序。先用现有工具建立库存状态、可承诺库存和异常分类；然后把补货点、库存覆盖天数和在途分层固定下来；最后才考虑自动生成采购建议或采购订单。

如果跳过第一步，后续系统只能把不同部门的错误数据汇集到一起；如果跳过第二步，系统虽然能算出采购量，却无法解释为什么这样算；只有前两步稳定后，自动化才会真正节省时间。

九、采购人员的一页执行清单：今天就可以开始

1. 先检查五个数字

面对任何一个需要补货的 SKU，我建议采购员先检查五个数字，而不是直接看系统推荐量：

1. 账面库存是多少，最后更新时间是什么时候？
2. 实际可用库存是多少，是否完成质检和上架？
3. 已分配、冻结、退货和报损数量分别是多少？
4. 在途数量处于哪个物流节点，预计何时到达？
5. 未来需求覆盖多少天，库存何时耗尽，补货何时到达？

如果其中两个以上数字无法解释，就不应直接按照系统建议采购。先做快速核实，往往比事后处理重复采购和缺货投诉更省时间。

2. 再检查四个异常信号

• 系统库存突然增加，但没有对应收货或调拨记录。
• 库存覆盖天数明显高于历史水平，但销量没有下降。
• 在途库存超过预计到货日期，物流节点仍未更新。
• 同一 SKU 连续两次盘点出现同方向差异。

这些信号不一定代表系统错误，但都说明补货建议需要提高谨慎程度。采购可以把异常 SKU 标记为人工复核，而不是让所有 SKU 都停在低效率的人工流程里。

3. 最后确定三种动作

第一种动作是正常补货。库存状态清晰、准确率稳定、需求和交期可预测时，按模型建议执行，并记录实际到货结果。

第二种动作是核实后补货。库存数量或状态存在疑点，但缺货风险较高时，安排快速盘点、确认在途和释放占用库存，同时采取小批量或分批采购。

第三种动作是暂停放量。库存差异连续发生、需求来源不清、在途失联或 SKU 规格存在争议时，先修复数据和业务状态，再决定是否采购。

十、总结：库存准确率不是仓库指标，而是采购决策的可信度

SKU 库存准确率和补货计划之间，不是简单的“准确率越高，采购量越少”。更准确的关系是：库存准确率决定采购员能否相信库存覆盖天数、库存耗尽日和在途抵扣量；这些判断又决定采购何时下单、下多少、用什么供应方式下单。

当准确率低时，企业往往会出现两个看似矛盾的结果：一边缺货，一边库存金额很高；一边不断加急采购，一边又有大量商品长期不动。它们并不矛盾，因为企业拥有的是账面库存，不一定拥有可被承诺、可被拣选、可被及时交付的库存。

我的建议是，不要先从“如何把库存降下来”开始，而要先回答三个问题：哪些库存真实可用，哪些库存已经被占用，哪些库存虽然在途但不能按时到达。只有这三个问题稳定后，安全库存、补货点和采购批量才有讨论价值。

下一步可以选择 20 个最影响销售或生产的 SKU，连续四周记录账面数量、实盘数量、可承诺数量、在途节点、库存覆盖天数和实际缺货结果。四周后你会看到，真正需要优化的可能不是补货公式，而是某个迟迟未完成的收货节点、一个错误的包装换算、一个没有释放的订单占用，或者一批被长期当作“在途”的失联库存。把这些事实找出来，采购计划才会从“看起来有依据”变成“经得起现场验证”。

免费注册

咨询方案

扫码咨询方案